Python+OpenCV之圖像輪廓詳解

更新時(shí)間：2022年09月28日 14:42:48 作者：錦鯉AI幸運(yùn)

這篇文章主要為大家詳細(xì)介紹了Python?OpenCV實(shí)現(xiàn)圖像輪廓的方法，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，感興趣的可以了解一下

1. 圖像輪廓

1.1 findContours介紹

cv2.findContours(img, mode, method)

mode:輪廓檢索模式

RETR_EXTERNAL ：只檢索最外面的輪廓；
RETR_LIST：檢索所有的輪廓，并將其保存到一條鏈表當(dāng)中；
RETR_CCOMP：檢索所有的輪廓，并將他們組織為兩層：頂層是各部分外部邊界，第二層是空洞的邊界;
RETR_TREE：檢索所有的輪廓，并重構(gòu)嵌套輪廓的整個(gè)層次;

method:輪廓逼近方法

CHAIN_APPROX_NONE：以Freeman鏈碼的方式輸出輪廓，所有其他方法輸出多邊形（頂點(diǎn)的序列）。
CHAIN_APPROX_SIMPLE:壓縮水平的、垂直的和斜的部分，也就是，函數(shù)只保留他們的終點(diǎn)部分。

1.2 繪制輪廓

import cv2


def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()


img = cv2.imread('DataPreprocessing/img/contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv_show(thresh, 'thresh')

contours.png原圖展示:

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show(res, 'res')

“-1”表示顯示所有輪廓，(B, G , R) = (0, 0, 255) 采用紅色的顯示全部輪廓，如下:

或者顯示索引為1的輪廓,代碼如下:

draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 1, (0, 0, 255), 2)
cv_show(res, 'res')

索引為1的是三角形的內(nèi)輪廓，0是外輪廓：

1.3 輪廓特征

cnt = contours[0]

# 面積
print("面積: ", cv2.contourArea(cnt))

# 周長(zhǎng)，True表示閉合的
print("周長(zhǎng): ", cv2.arcLength(cnt, True))

輸出：

面積: 8500.5
周長(zhǎng): 437.9482651948929

2. 輪廓近似

2.1 輪廓

contours2.png原圖 :

img = cv2.imread('DataPreprocessing/img/contours2.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

draw_img = img.copy()
res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)
cv_show(res, 'res')

邊緣檢測(cè):

原理：以這個(gè)弧線為例， A , B A,B A,B端連線，取弧線上一點(diǎn) C C C離線段 A B AB AB的距離最大，判斷 d 1 d_{1} d1?是否小于設(shè)置的閾值 T T T，不小于 T T T的，則以 A , C A,C A,C連接線段 A C AC AC,重復(fù)上面的操作，取得圖中的 d 2 d_{2} d2?，再同 T T T做比較，直至 d n d_{n} dn?小于閾值得出線段為輪廓邊緣。

2.2 邊界矩形

img = cv2.imread('DataPreprocessing/img/contours.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

x, y, w, h = cv2.boundingRect(cnt)
img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv_show(img, 'img')

2.3 外界多邊形及面積

area = cv2.contourArea(cnt)
x, y, w, h = cv2.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area
print('輪廓面積與邊界矩形比', extent)

輸出：

輪廓面積與邊界矩形比 0.5154317244724715

外接圓形:

(x, y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))
radius = int(radius)
img = cv2.circle(img, center, radius, (0, 255, 0), 2)
cv_show(img, 'img')

結(jié)果展示: